StepAudio 3 ASR

مدل صوتی از استپ‌فان

به فارسی:استپ آدیو ۳ ای اس آراستپ آدیو ۳ تبدیل گفتار به متن

این مدل چیست؟

StepAudio 3 ASR مدل تبدیل گفتار به متن StepFun است که سپتامبر ۲۰۲۶ همراه خانوادهٔ صوتی StepAudio 3 (گفتگوی صوتی زنده، تبدیل متن به گفتار، صدا و موسیقی) عرضه شد. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۲٫۵٪ است و Artificial Analysis قیمت آن را حدود ۶٫۷ دلار برای هر هزار دقیقه صدا ثبت کرده است. از API پلتفرم StepFun در دسترس است.

سازنده: استپ‌فان (StepFun)

StepFun شرکت چینی هوش مصنوعی و سازندهٔ مدل‌های Step و خانوادهٔ صوتی Step-Audio است.

کجا می‌شود از آن استفاده کرد؟

فعلاً ابزاری در هوش یاب این مدل را ارائه نمی‌دهد.

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisStepAudio 3 ASR, StepFun
    رتبهٔ ۹خطای کلمه ۲٫۵٪$۶٫۶۷ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر استپ‌فان